典型文献
改进卷积神经网络的文本主题识别算法研究
文献摘要：
针对于传统方法中存在的文本特征表示能力差、模型主题识别准确率低等问题,提出一种融合SENet与卷积神经网络的文本主题识别方法.将每个词对应的Word2vec词向量与LDA主题向量进行融合,并依据词语对主题的贡献度完成文档加权向量化处理;构建SECNN主题识别模型,使用SENet对卷积层输出的特征图进行权值的重标定,依靠其提升重要特征并抑制无用特征的性能,高效地进行主题识别;使用FDA评估样本的类别表征能力,提出FDA-SGD算法对模型参数进行调优,完成文本主题识别任务.使用新闻文本数据集验证改进算法的有效性,通过与传统模型对比表明,改进算法可以有效提高模型的收敛速度,具有较好的主题识别能力.
文献关键词：
主题识别;SENet;卷积神经网络;Word2vec;隐含狄利克雷分布(LDA)
中图分类号：
作者姓名：
邱宁佳;杨长庚;王鹏;任涛
作者机构：
长春理工大学 计算机科学技术学院,长春 130022
文献出处：
引用格式：
[1]邱宁佳;杨长庚;王鹏;任涛-.改进卷积神经网络的文本主题识别算法研究)[J].计算机工程与应用,2022(02):161-168
A类：
SECNN
B类：
改进卷积神经网络,文本主题识别,识别算法,算法研究,文本特征表示,示能,识别准确率,SENet,Word2vec,词向量,LDA,主题向量,词语,贡献度,成文,文档,向量化,识别模型,卷积层,特征图,行权,权值,升重,无用,FDA,类别表征,表征能力,SGD,调优,新闻文本,文本数据,数据集验证,改进算法,传统模型,模型对比,收敛速度,识别能力,隐含狄利克雷分布
AB值：
0.398156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
